Baza Wiedzy

Dlaczego baza wiedzy ma znaczenie

Mój agent debugger spędził 40 minut na rozwiązywaniu błędu hydratacji w Next.js. Dwa tygodnie później pojawił się ten sam błąd i agent spędził kolejne 35 minut na ponownym odkrywaniu tego samego rozwiązania. Te 35 minut powtórki było momentem, w którym zbudowałem bazę wiedzy. Teraz każde nieoczywiste rozwiązanie jest przechwytywane raz i używane wiecznie.

Dla Twojego business oznacza to, że wiedza domenowa przetrwa. Rozwiązania problemów są przechwytywane raz i używane wiecznie. System staje się mądrzejszy z czasem zamiast startować od zera każdą sesję.

Knowledge Index — główna mapa

Knowledge index to pojedynczy plik katalogujący wszystkie pliki wiedzy w Twoim systemie. Agenci sprawdzają ten indeks przed rozpoczęciem researchu — jeśli odpowiedź już istnieje, używają jej zamiast szukać ponownie.

# Knowledge Index

## System Configuration
| File | Description | Updated |
|------|-------------|---------|
| ~/.claude/CLAUDE.md | Core AI identity | 2026-03-11 |
| ~/.claude/rules/*.md | Behavioral rules | 2026-03-11 |
| ~/.claude/protocols/*.md | Workflow protocols | 2026-03-11 |

## Domain Knowledge
| File | Description | Updated |
|------|-------------|---------|
| ~/life/docs/[topic].md | [Description] | [Date] |

## Skills (Reusable Patterns)
| File | Pattern | When to Use |
|------|---------|-------------|
| ~/.claude/skills/[skill].md | [Pattern name] | [Trigger condition] |

Pliki skill — wielokrotnego użytku wzorce

Skille to małe, skupione pliki przechwytujące konkretny wzorzec lub rozwiązanie. Żyją w ~/.claude/skills/ i są przywoływane, gdy pojawiają się podobne problemy. Proces ekstrakcji jest triggerowany przez hooki egzekwujące (Rozdział 6: Egzekwowanie Reguł), a wyniki przechowywane obok Twojego Repozytorium Życia (Rozdział 2: Repozytorium Życia).

# Skill: [Pattern Name]

## Pattern
[What this skill solves]

## When This Applies
- [Trigger condition 1]
- [Trigger condition 2]

## Solution
[Step-by-step solution]

## Example
[Concrete example of the pattern in action]

## Source
Discovered on [date] while working on [context].

Workflow ekstrakcji wiedzy

Wiedza nie przechwytuje się sama. Genesis Framework używa celowego procesu ekstrakcji: gdy agent odkryje coś nowego, jest to oceniane pod kątem wielokrotnego użytku i przechwytywane jako skill lub plik wiedzy.

1. 1Odkrycie: Agent znajduje coś nieoczywistego podczas pracy (np. obejście, wzorzec, dziwactwo konfiguracyjne).
2. 2Ocena: Czy to nowość? Czy jest wielokrotnego użytku? Czy jest nieoczywiste? Czy jest actionable? Wszystkie cztery muszą być spełnione.
3. 3Ekstrakcja: Jeśli przechodzi ocenę, stwórz plik skill ze standardowym szablonem.
4. 4Rejestracja: Dodaj skill do knowledge_index.md, żeby inni agenci mogli go znaleźć.
5. 5Weryfikacja: Potwierdź, że plik skill istnieje i jest prawidłowo zaindeksowany.

Pętla samodoskonalenia

Najpotężniejszy wzorzec w Genesis to nie żaden pojedynczy agent — to zdolność systemu do samodoskonalenia. Po każdej sesji debugowania, błędzie lub odkryciu system pyta: 'Czy to powinno być zapisane, żeby zapobiec powtórce?'

To tworzy efekt składany wiedzy. Każdy błąd czyni system mądrzejszym. Każde odkrycie staje się wielokrotnego użytku skillem.

1. 1Kryteria ekstrakcji: Czy zaoszczędziłoby to ponad 15 minut, gdyby było znane z góry? Czy dotyczy więcej niż jednego scenariusza? Czy rozwiązanie było nieoczywiste?
2. 24 bramy jakości: Nowość (jeszcze nieudokumentowane), Wielokrotny użytek (stosuje się szeroko), Nieoczywistość (wymagało dochodzenia), Actionability (jasne kroki do naśladowania).
3. 3Format pliku skill: Tytuł, Wzorzec, Kiedy to stosować, Rozwiązanie, Przykład.
4. 4Rejestracja: Dodaj skill do indeksu wiedzy, żeby inni agenci mogli go znaleźć.
5. 5Trigger: Po każdej sesji debugowania dłuższej niż 5 minut automatycznie oceń, czy rozwiązanie powinno zostać wyekstrahowane.

Baza wiedzy zasila bezpośrednio agentów (Rozdział 3: Budowanie Agentów), dając im wiedzę domenową na żądanie. Gdy agent napotka znany problem, sprawdza indeks wiedzy zanim zacznie szukać od nowa. Pętla autonomiczna z Rozdziału 11 również produkuje logi wyników, które stają się wpisami wiedzy.